OpenCV基于ORB算法实现角点检测_python_

本文实例为大家分享了OpenCV基于ORB算法实现角点检测的具体代码，供大家参考，具体内容如下

ORB算法是FAST算法和BRIEF算法的结合，ORB可以用来对图像中的关键点快速创建特征向量，并用这些特征向量来识别图像中的对象。

实例化ORB

orb = cv.ORB_create(nfeatures)

参数：

• nfeatures：特征点的最大数量

利用orb.detectAndCompute()检测关键点并计算

kp, des = orb.detectAndCompute(gray, None)

参数：

• gray：进行关键点检测的图像（灰度图像）

返回：

• kp：关键点信息，包括位置，尺度，方向信息
• des：关键点描述符，每个关键点BRIEF特征向量，二进制字符串。

将关键点检测结果绘制在图像上

cv.drawKeypoints(image, keypoints, outputimage, color, flags)

参数：

• image: 原始图像
• keypoints：关键点信息，将其绘制在图像上
• outputimage：输出图片，可以是原始图像
• color：颜色设置，通过修改（b,g,r）的值,更改画笔的颜色，b=蓝色，g=绿色，r=红色。
• flags：绘图功能的标识设置

1、cv2.DRAW_MATCHES_FLAGS_DEFAULT：创建输出图像矩阵，使用现存的输出图像绘制匹配对和特征点，对每一个关键点只绘制中间。
2、cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG：不创建输出图像矩阵，而是在输出图像上绘制匹配对。
3、cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS：对每一个特征点绘制带大小和方向的关键点图形。
4、cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS：单点的特征点不被绘制。

import cv2 as cv from matplotlib import pyplot as plt # 1.图像读取 img = cv.imread("1.jpg") gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 2.ORB角点检测 # 2.1实例化ORB对象 orb = cv.ORB_create(nfeatures=1000) # 2.2 检测关键点，并计算特征描述符 kp, des = orb.detectAndCompute(gray, None) print(des.shape) # 3.将关键点检测在图像上 img2 = cv.drawKeypoints(img, kp, None, flags=0) # 也可以添加 color 参数指定图像显示关键点的颜色，例如 img2 = cv.drawKeypoints(img, kp, None, color=(0, 0, 255), flags=0) # 4.绘制图像 plt.figure(figsize=(10, 8), dpi=100) plt.imshow(img2[:, :, ::-1]) plt.xticks([]), plt.yticks([]) plt.show()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

提示： 本文由神整理自网络，如有侵权请联系本站删除！
本站声明：
1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持；
2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！